19.1 model的两种保存方式
19.1.1 代码实现
import torch
import torchvision
from torch import nn
vgg16 = torchvision.models.vgg16()
# 保存方式1,保存结构及参数
torch.save(vgg16, "vgg16_method1.pth")
# 保存方式2,将参数保存成字典(官方推荐)
torch.save(vgg16.state_dict(), "vgg16_method2.pth")
# 陷阱
class Avlon(nn.Module):
def __init__(self):
super().__init__()
self.conv1 = nn.Conv2d(3, 64, kernel_size=3)
def forward(self, x):
x = self.conv1(x)
return x
avlon = Avlon()
torch.save(avlon, "avlon_method1.pth")
19.1.2 两种方式对比
在当前文件目录下进行操作
win10系统下执行"ls"命令
可见方法2 保存的文件更小
19.2 model的两种读取方式
分别对应两种保存方式
19.2.1 代码实现
import torch
from model_save import * # 导入 model_save 模块中定义的所有函数和变量
import torchvision
from torch import nn
# 方式1-> 保存方式1,加载模型
model = torch.load("vgg16_method1.pth")
print(model)
# 方式2,加载模型
vgg16 = torchvision.models.vgg16()
vgg16.load_state_dict(torch.load("vgg16_method2.pth")) # 将字典形式的参数加载到模型中
print(vgg16)
# 陷阱1
# class Avlon(nn.Module):
# def __init__(self):
# super().__init__()
# self.conv1 = nn.Conv2d(3, 64, kernel_size=3)
#
# def forward(self, x):
# x = self.conv1(x)
# return x
model = torch.load("avlon_method1.pth")
print(model)